疼痛評估方法及工具

免於疼痛是病患基本人權，疼痛處理的第一步是有效疼痛評估。因為疼痛是

一個主觀經驗，疼痛評估的黃金準則在於病患主觀的陳述，對於此類重症病患，

或許可藉由其本身的行為及表情發現其疼痛的線索(Puntillo et al., 2004)，而觀察 疼痛行為是一個可靠的方法(Herr et al., 2006)。Labus 等學者(2003)發現病患自評 疼痛強度與其疼痛行為相比，兩者具有顯著相關性(Labus, Keefe, & Jensen, 2003)，因此，可藉由疼痛行為來評估病患疼痛。

疼痛行為確實可以標記疼痛的存在、強度及原因(Prkachin, Hughes, Schultz, Joy, & Hunt, 2002)，疼痛行為可以提供病患正處於疼痛的訊息，臨床護理人員也 會依據此參考因素給予病患止痛(顏、邱，2005)。吳等學者(1998)定義手術後病

患急性疼痛之特徵，包含抱怨疼痛，張眼或閉眼、身體固定不動、不敢翻身、身 體活動時僵硬。Labus 等人(2003)瀏覽了 27 篇有關疼痛行為的文獻，各類急慢性

病患中，病患常被觀察到的疼痛行為包括皺眉、呻吟、嘆息、肌肉僵直或撫摸疼 痛部位(Labus et al., 2003)。Puntillo (2004)針對約 6000 名不同年齡層的重症病 患，觀察其在會引起疼痛的醫療措施(翻身、氣管內抽痰、移除傷口引流管、移 除股靜脈導管、放置中心靜脈導管及非燒傷傷口換藥)時的行為反應，發現病患

在會引起疼痛的醫療措施後，病患臉部表情增加2.8 倍(p＜.01)，身體活動會增 加4.1 倍。病患最常表現的五種疼痛相關行為包括：做鬼臉、閉眼、身體僵硬、

臉部肌肉抽痛及口頭表示疼痛(Puntillo et al., 2004)。

一個快速、簡單、易行並兼具信效度的評估工具，不但提供病患及護理人員 之間的溝通，也是護理人員及醫師對病患疼痛評估達成一致的方法。規律的使用

疼痛評估工具，可避免高估或低估病患疼痛，並進一步避免止痛劑過量或不足所 造成的傷害。系統性規律的評估病患疼痛情形確實可減輕病患疼痛(Chanques et al., 2006)，美國重症照護醫學院(American College of Critical Care Medicine, ACCM)及重症醫學會(Society of Critical Care Medicine, SCCM)於 2002 年訂定的

臨床指引，即建議應透過適當的量表並規律地記錄以進行疼痛評估，以確保妥善 的疼痛控制(Jacobi et al., 2002)。

臨床上已針對不同的病患，發展出許多疼痛評估評估工具，但這些工具大多 並不適用於無法溝通及表達的重症病患。臨床上，Fordyce 早在 1976 年即針對病 患疼痛行為，試著找出可評估的類別及依據。近年來也有許多藉由觀察病患疼痛 行為及反應研究陸續發表，企圖找出最適合病患並兼具良好信效度的評估工具。

以下就各個疼痛行為評估量表及工具來進行敘述：

一、臉譜疼痛量表(Face Pain Scale, FPS)

Wong 及 Bake 最早發展出 Wong 及 Baker 疼痛臉譜，它是由不同的臉譜組

成，最早用來測試兒童的疼痛反應。此疼痛臉譜分別由快樂、無痛的表情到非 常痛苦而感到悲傷等6 張臉譜組成，並由被評估的人指出何種臉譜最代表其疼 痛。之後，Bieri 等學者(1990)也針對兒童發展了另一種臉譜疼痛量表(FPS)，其 中包含了七種臉部表情並廣泛被利用於臨床及研究上。Terai (1998)等學者以此 量表調查接受食道癌手術並入住加護病房成人病患的疼痛反應(Terai, Yukioka,

& Asada, 1998)，發現視覺記分量表(Visual analog scale, VAS)及 FPS 具有評分者

信度（weighted kappa values, .54- .62）。Benaim 等學者(2007)利用此量表測試因

中風而造成肢體偏癱的病患其疼痛情形，證實FPS 與 VAS 具有顯著相關性 (r= .65– .82, p＜.001)(Benaim, Froger, Cazottes, Gueben, Porte & Desnuelle et al., 2007)。而針對老人族群，FPS 也被改良並設計為 11 種表情，以 FPS 與 NRS 相 較，兩者具有高度相關(r= .73, p＜.001)(Kim, & Buschmann, 2006)。雖然此量表

容易執行及記分，也被廣泛使用於許多族群，但病患疼痛表情可能會受到其他 因素影響，單從病患表情推斷病患疼痛，證據上稍嫌薄弱。相較之下，多層面 的疼痛行為測量較單一疼痛行為測量更有效(Labus et al., 2003)。

二、疼痛行為記分量表(Behavioral Pain Rating Scale, BPRS)

疼痛行為記分量表包含臉部表情(皺眉、眉毛下垂)、休息狀態、肌肉緊張

及病患聲音等四個行為項目，每一項目包含3 種疼痛描述詞，每一項行為記分 由0 分(無疼痛行為)到 3 分(極度疼痛)，滿分為 12 分。在一份前趨研究中，Mateo 及Krenzischek (1992)請 30 位入住於恢復室之手術後病患，請他們以口語描述 量表(Verbal descriptor scales, VDS)自評疼痛，發現 VDS 與疼痛行為中，臉部表 情、及病患聲音具有中度相關性(r= .63- .69, p＜.05)，其內在一致性良好

(coefficient α= .92)，評分者間信度也達 .71-1 (p＜.01)。而 Webb 及 Kennedy 於 1994 年也針對 36 位婦科手術並使用疼痛控制(patient controlled analgesia, PCA)

的病患，請其以NRS 自評疼痛，發現 NRS 及 BPRS 相關性為中度到高度 (r= .56- .80, p＜.05)。但由於其研究時的樣本數太小，研究對象局限在手術後病

患，針對每一項目的疼痛行為並每有一個清楚描述，再加上疼痛行為項目中的”

病患聲音’並不適合無法發出聲音的病患，因此並不適合在重症單位使用。

三、疼痛行為量表

疼痛行為量表是由Payen (2001)針對使用呼吸器、接受鎮定劑治療及沒有 反應的病患其疼痛所發展的評估工具。它可藉由病患臉部表情、上肢活動及是 否順應呼吸器等三個行為項目來評分病患疼痛，疼痛分數由3 分(不痛)到 12 分 (最痛)。Payen(2001)在針對遭受外傷並接受鎮定劑及氣管內管治療病患(N=30)

的研究，分別以會引起疼痛及不會引起疼痛的兩項護理措施（翻身、氣管內抽 痰及更換中心靜脈導管紗布）比較，病患在執行疼痛護理措施時的BPS 分數顯 著高於執行非疼痛護理措施(p＜.01)，顯示此量表具有良好的區辨效度。此外，

利用因素分析建立建構效度，BPS 可解釋 55%的疼痛變異量。而 Aissaoui 等學 者(2005)也利用 BPS 於接受呼吸器及鎮定劑治療之病患(N=30)，發現 BPS 的內 在一致性良好(Cronbach α= .72)，評分者信度佳(ICC= .95)，而病患於休息時 BPS 得分(3.9±1.1)顯著高於執行疼痛措施時(6.8±1.9)，利用因素分析，BPS 可解釋 65%的疼痛變異量(Aissaoui, Zeggwagh, Zekraoui, Abidi, & Abouqal, 2005)。此 外，Young 等人(2006)也針對接受鎮定治療的 44 位病患，發現在執行疼痛護理 常規(翻身)時的 BPS 分數顯著高於非疼痛護理常規(滴眼藥) (Young, Siffleet, Nikoletti, & Shaw, 2006)。然而，此研究的樣本數太小，BPS 中缺乏病患身體動

作之項目，再加上很多病患因素如約束、虛弱、鎮定等會影響到BPS 評分(Li,

Puntillo, & Miaskowski, 2008)，因而形成使用上的限制。

四、非語言疼痛量表(NVPS)

NVPS 是 Odhner 等人(Odhner et al., 2003)模擬嬰兒疼痛測量 FLACC(Face, Legs, Activity, Cry, Consolability)發展而來。NVPS 包含三個疼痛行為項目，分別 為臉部表情、身體活動及防衛動作，再加上四個生理指標(血壓、呼吸、皮膚顏

色及瞳孔反應)，每一項目為0 到 2 分，總分為 0 分(不痛)到 10 分(極度疼痛)。

它已被測試在燒創傷單位，具有可接受的的內在一致性(coefficient α= .78)。同

時以FLACC 及 NVPS 測量病患疼痛反應，兩者具有良好相關性(r= .86, p

＜.001)。雖然 NVPS 具有良好效標效度，但其選擇的效標並未針對成人，再加

上量表中的生理指標並沒有明確的標準及定義，也缺乏相關建構效度的研究設 計(Li et al., 2008)。因為 NVPS 並無法提供相當信、效度等證據，因此並不適用 於重症單位。

五、疼痛評估及介入紀錄演算法(Pain Assessment and Intervention Notation Algorithm, PAIN Algorithm )

PAIN Algorithm 是一個系統性的疼痛評估及處理方法，它包含了三部分，

疼痛評估、病患對鴉片類止痛劑耐受力的評估及止痛治療決定指引。在疼痛評 估上，包含臉部表情、活動、姿式、聲音、膚色蒼白及流汗與否等六個行為項 目及心律、血壓及呼吸等三個生理指標。14 位重症護理人員評估並紀錄 31 位

手術後病患，產生114 個疼痛評估。PAIN Algorithm 藉由 34%的皺眉行為，24%

發出聲音，建立其內容效度。此外，還記錄到增加的心律（30%）及血壓(26%)。

護理人員以NRS 評估病患疼痛強度與 PAIN Algorithm 中數個疼痛行為及生理指 標達顯著相關(p＜.05) (Puntillo et al., 1997)。PAIN Algorithm 雖然是一個有用的

疼痛評估及處理的工具，但是因為量表內容過多，使用時間延長，並不適用於 分秒必爭的重政單位。此外，疼痛行為及其生理指標在測量上缺乏標準，臨床 人員使用上端看其經驗及主觀判斷(Li et al., 2008)，形成使用上的限制。

六、重症照護疼痛觀察工具

Gélinas 等學者於 2004 年藉由回朔 52 位病患記載於病歷的疼痛行為特徵，

並組成加護病房專家之焦點團體，開始發展CPOT(Gélinas, Viens, Fillion, &

Puntillo, 2004)。之後，再藉由疼痛行為項目分析(Gélinas, Fillion, & Puntillo, 2008)，參考多位學者的研究及量表(Payen et al., 2001; Puntillo et al., 1997)後，發 展的出法文版重症照護疼痛觀察工具，經過工具的信效度測試後(Gélinas, Fillion, Puntillo, Viens, & Fortier, 2006)，再翻譯為英文版。此工具包含四個次項目，分

別為病患的臉部表情、身體動作、配合呼吸器及肌肉緊張。每一項目可評分的 範圍為0-2 分(0 分代表完全沒有疼痛，2 分即代表極度疼痛)，此工具總分最低 為0 分，最高為 8 分，分數愈高代表疼痛程度愈高。

Gélinas (2006)針對 105 位心臟手術後加護病房病患的研究，發現 CPOT 的 評分者間信度為 .52- .88（κ coefficient），內容效度(CVI)為 .88-1.0(Gélinas, et al., 2006)。在區辨效度上，比較病患於休息及執行引起疼痛之護理措施（翻身）

的CPOT 的分數，其結果在統計上也達到顯著性( p< .001) (Gélinas, et al., 2006)，顯示 CPOT 確實能測量到病患的疼痛。在效標效度上，病患以疼痛表情 溫度表(Face Pain Thermometer, FPT)自評疼痛強度，並比較 FPT 與 CPOT 得分，

在統計上也達到顯著性意義(rs= .40- .59, p＜.001)(Gélinas, et al., 2006)。此外，

在執行引起疼痛之護理措施（翻身）時，其敏感度及特異性分別為86%及 78%，

當CPOT 切分＞2 時，代表病患確實有疼痛(Gélinas, Harel, Fillion, Puntillo, &

Johnston, 2009)。Gélinas 等人(2007)也應用 CPOT 於 55 位內外科病患並測試其 信效度，CPOT 的評分者間信度為 0.80-0.93（κ coefficient），以 FPT 作為外在 效標，CPOT 與 FPT 的相關係數為 .71(p＜.05)(Gélinas, & Johnston, 2007)，顯

示CPOT 具有良好的效標效度。

免除疼痛是病患的權利，也是家屬的盼望，貼近病患臨床照顧的護理人員 自然扮演關鍵性角色。發現病患疼痛問題並做適當處理，是維護病患生命品質 的基本要求。在加護病房中，疼痛評估因為病患因素、醫護人員因素及缺乏疼 痛評估工具，造成病患疼痛評估上的障礙，間接導致病患在疼痛控制上的困難。

國外已發展了各種疼痛行為觀察的量表，並被利用於各個重症單位。由於這些 量表在使用上有其限制，再加上某些量表的信、效度有待進一步研究測試 (Mateo& Krenzischek, 1992; Odhner, 2003; Puntillo et al., 1997)，因此，選擇一個

良好工具是當務之急。而Gélinas 為了克服現存量表的限制，遂發展出 CPOT。

CPOT 具有明確的操作性定義，其評分簡單並容易紀錄，對於能言語或不能言

語的病患均是一個設計良好的量表(Li et al., 2008)，因此本研究進一步測試

語的病患均是一個設計良好的量表(Li et al., 2008)，因此本研究進一步測試